본문 바로가기
반응형
[AutoML] AutoML 커리큘럼 AutoML 기초 강의 계획안강의 목표AutoML의 기본 개념과 원리 이해주요 AutoML 도구와 프레임워크 학습Python과 주요 AutoML 라이브러리를 활용한 실습 강의 기간: 12주 (주 1회, 회당 2시간) 강의 일정 및 내용주차주제내용실습/과제1주차AutoML 개요AutoML의 개념과 역사, 주요 원리AutoML 개념 요약2주차데이터 준비데이터 전처리, 특징 추출, 데이터 분할데이터 전처리 실습3주차AutoML 도구 소개주요 AutoML 도구 및 프레임워크 소개도구 설치 및 기본 사용법 실습4주차AutoML 파이프라인파이프라인 개념, 구성 요소AutoML 파이프라인 실습5주차하이퍼파라미터 튜닝하이퍼파라미터 튜닝의 중요성, 방법론하이퍼파라미터 튜닝 실습6주차모델 선택모델 선택의 개념과 전략다양한.. 2024. 6. 5.
[자연어처리] 자연어처리 커리큘럼 자연어 처리 (NLP) 기초 강의 계획안강의 목표자연어 처리의 기본 개념과 원리 이해주요 NLP 기법과 알고리즘 학습Python과 PyTorch를 사용한 NLP 실습 강의 기간: 12주 (주 1회, 회당 2시간) 강의 일정 및 내용주차주제내용실습/과제1주차NLP 개요NLP의 기본 개념 및 응용 분야NLP 개념 요약2주차텍스트 전처리토큰화, 정제, 정규화텍스트 전처리 실습3주차언어 모델N-그램 모델, 언어 모델 평가N-그램 모델 구현4주차단어 임베딩Word2Vec, GloVe단어 임베딩 실습5주차문서 분류TF-IDF, 나이브 베이즈문서 분류 구현6주차감정 분석감정 분석 개념 및 기법감정 분석 실습7주차순환 신경망 (RNN)RNN, LSTM, GRURNN 구현8주차시퀀스-투-시퀀스 모델Seq2Seq, 어텐션.. 2024. 6. 5.
[강화학습] 강화학습 커리큘럼 강화학습 (Reinforcement Learning) 강의 계획안강의 목표강화학습의 기본 개념과 원리 이해주요 강화학습 알고리즘 학습강화학습을 사용하여 실제 문제 해결 경험강의 기간: 12주 (주 1회, 회당 2시간) 강의 일정 및 내용주차주제내용실습/과제1주차강화학습 개요강화학습의 기본 개념 및 응용 분야강화학습 개념 요약2주차MDP와 기본 원리마코프 결정 과정(MDP)와 기본 원리 이해MDP 모델링 실습3주차가치 함수와 벨만 방정식가치 함수, 벨만 방정식 및 최적 정책벨만 방정식 구현4주차동적 프로그래밍정책 반복, 가치 반복정책 반복 및 가치 반복 구현5주차몬테카를로 방법몬테카를로 예측, 제어 방법몬테카를로 방법 실습6주차시간차 학습TD(0), Sarsa, Q-learningTD 학습 알고리즘 구현7.. 2024. 6. 5.
[딥러닝의 이론적 기초] 딥러닝의 이론적 기초 커리큘럼 딥러닝의 이론적 기초 강의 계획안강의 개요강의 제목: 딥러닝의 이론적 기초강의 목표: 딥러닝의 기본 개념과 원리를 이해하고, 다양한 신경망 구조와 학습 방법에 대해 학습하며, 이론적 배경을 통해 딥러닝 모델의 설계와 응용 능력을 배양한다.대상: 머신러닝 기초를 이해하고 있는 대학생 및 관련 종사자강의 기간: 12주 (주 1회, 회당 2시간) 강의 일정 및 내용주차주제내용실습/과제1주차딥러닝 개요딥러닝의 정의, 역사, 주요 응용 분야딥러닝 기본 개념 요약2주차신경망의 기초인공신경망의 기본 구조와 원리간단한 신경망 구현3주차활성화 함수와 손실 함수주요 활성화 함수와 손실 함수의 이해와 적용활성화 함수 및 손실 함수 실습4주차역전파 알고리즘역전파 알고리즘의 원리와 수학적 배경역전파 알고리즘 구현5주차신경망 학.. 2024. 6. 5.
[컴퓨터비전] 추가 학습 목록 1. 강화학습 (Reinforcement Learning)이유응용 분야 다양성: 게임 AI, 로봇 제어, 자율 주행 등 다양한 분야에서 응용.생성 모델과의 연계성: 강화학습을 사용하여 생성 모델의 성능을 향상시키는 연구가 많음.기본 개념: MDP (Markov Decision Process), 정책, 가치 함수, 보상, Q-러닝, SARSA.고급 주제: 딥 Q-러닝 (DQN), 정책 경사 방법 (Policy Gradient), Actor-Critic 방법, 강화학습을 통한 게임 플레이 (e.g., AlphaGo).2. 자연어 처리 (Natural Language Processing, NLP)이유생성 모델과의 연계성: GPT, BERT와 같은 생성 모델이 NLP에서 큰 역할을 하고 있음.실생활 응용: 챗봇.. 2024. 6. 5.
[컴퓨터비전] 컴퓨터비전 커리큘럼 컴퓨터 비전 강의 계획안강의 개요강의 제목: 컴퓨터 비전의 이해와 응용강의 목표: 컴퓨터 비전의 기본 개념과 주요 기술을 이해하고, 다양한 컴퓨터 비전 응용 사례를 학습하며, 실습을 통해 직접 구현해보는 것을 목표로 한다.대상: 머신러닝 기초를 이해하고 있는 대학생 및 관련 종사자강의 기간: 12주 (주 1회, 회당 2시간)강의 일정 및 내용주차주제내용실습/과제1주차컴퓨터 비전 개요컴퓨터 비전의 정의와 역사, 주요 응용 분야논문 읽기: ImageNet Classification with Deep Convolutional Neural Networks2주차이미지 처리 기본이미지 필터링, 엣지 검출, 히스토그램 평활화OpenCV를 이용한 이미지 처리 실습3주차기초 딥러닝인공신경망, CNN 기본 구조와 원리간단.. 2024. 6. 5.
[생성 AI] 추가 학습 목록 생성 모델을 마스터한 후 다음으로 공부할 주제는 딥러닝과 인공지능 분야에서 다음과 같은 고급 주제들을 고려해 볼 수 있습니다:1. 강화학습 (Reinforcement Learning, RL)기본 개념: MDP (Markov Decision Process), 정책, 가치 함수, 보상, Q-러닝, SARSA.고급 주제: 딥 Q-러닝 (DQN), 정책 경사 방법 (Policy Gradient), Actor-Critic 방법, 강화학습을 통한 게임 플레이 (e.g., AlphaGo).2. 자연어 처리 (Natural Language Processing, NLP)기본 개념: 토큰화, 어휘사전, 문서 표현, 순환 신경망 (RNN), LSTM, GRU.고급 주제: 트랜스포머 (Transformer), BERT, GP.. 2024. 6. 5.
[생성 AI] 생성모델 커리큘럼 생성 모델 강의 계획안강의 개요강의 제목: 생성 모델의 이해와 응용강의 목표: 생성 모델의 기본 개념을 이해하고, 다양한 생성 모델의 구조와 원리를 학습하며, 실습을 통해 직접 생성 모델을 구현해 보는 것을 목표로 한다.대상: 머신러닝 기초를 이해하고 있는 대학생 및 관련 종사자강의 기간: 12주 (주 1회, 회당 2시간)강의 일정 및 내용주차주제내용실습/과제1주차생성 모델 개요생성 모델의 정의와 역사, 주요 응용 분야논문 읽기: Generative Adversarial Networks (GANs) 원본 논문2주차확률적 생성 모델확률적 모델의 기본 개념, Gaussian Mixture Model (GMM), Hidden Markov Model (HMM)GMM을 이용한 데이터 클러스터링 실습3주차Varia.. 2024. 6. 5.
[네트워크 프로그래밍] Week 15: 클라우드 네트워크 클라우드 네트워크 Day 1: 클라우드 네트워크 개념 (AWS, GCP, Azure) 강의 내용:클라우드 네트워크의 정의클라우드 컴퓨팅의 개념과 장점클라우드 네트워크의 구성 요소AWS 클라우드 네트워크AWS의 네트워크 서비스 소개 (VPC, Subnets, Route Tables)AWS 네트워크 아키텍처GCP 클라우드 네트워크GCP의 네트워크 서비스 소개 (VPC, Subnets, Firewalls)GCP 네트워크 아키텍처Azure 클라우드 네트워크Azure의 네트워크 서비스 소개 (Virtual Networks, Subnets, NSGs)Azure 네트워크 아키텍처실습:AWS VPC 설정### 실습: AWS VPC 설정1. AWS 콘솔에 접속하여 VPC 생성2. Subnet, Route Table, I.. 2024. 6. 5.
[네트워크 프로그래밍] Week 14: 네트워크 성능 최적화 네트워크 성능 최적화 Day 1: 네트워크 성능 최적화 기초 강의 내용:네트워크 성능 최적화의 필요성성능 최적화의 주요 목표성능 최적화의 주요 지표 (대역폭, 지연 시간, 처리량, 패킷 손실률)성능 최적화의 기본 원칙병목 지점 식별 및 해결네트워크 설계 최적화성능 최적화 기법 개요네트워크 트래픽 관리캐시 및 프록시 서버 활용실습:네트워크 성능 평가### 실습: 네트워크 성능 평가1. 네트워크 성능 측정 도구 설치 및 설정 (예: iperf)2. 네트워크 성능 평가 지표 측정3. 결과 분석 및 병목 지점 식별# iperf3 설치 및 실행sudo apt-get install iperf3iperf3 -s # 서버 모드iperf3 -c # 클라이언트 모드 Day 2: 네트워크 성능 모니터링 도구강의 내용:네트.. 2024. 6. 5.
반응형

티스토리툴바